Aplicação de redes neurais LSTM em medição e verificação de resultados de projetos com fontes renováveis: estudo de caso de projeto com sistema fotovoltaico

• Ano de defesa: 2022
• Autor(a) principal: Melo, Denise Sanches de
• Orientador(a): Oliveira, Leonardo Willer de
• Banca de defesa: Ferreira, Vitor Hugo , Oliveira, Ângelo Rocha de , Dias, Bruno Henriques
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Juiz de Fora (UFJF)
• Programa de Pós-Graduação: Programa de Pós-graduação em Engenharia Elétrica
• Departamento: Faculdade de Engenharia
• País: Brasil
• Palavras-chave em Português: M&V; Rede neural LSTM; Previsão de irradiação solar; Energia solar; LSTM neural network; Solar radiation forecast; Solar energy
• Área do conhecimento CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
• Link de acesso: https://repositorio.ufjf.br/jspui/handle/ufjf/14057

As campanhas de medição e verificação (M&V) de resultados em projetos de eficiência energética desempenham um papel fundamental na avaliação dos reais benefícios oriundos das ações implementadas. Em projetos que contemplam a implementação de geração solar, umas das variáveis independentes consideradas no processo é a irradiação solar, de que depende da variação da energia provida pelo sistema. Neste intuito, uma metodologia com aplicação de redes neurais LSTM (Long-Short Term Memory) para a previsão da “irradiação solar” é proposta, com o objetivo de reduzir o tempo de acompanhamento dos resultados do projeto de doze para seis meses, tendo em vista as dificuldades enfrentadas em períodos longos de monitoramento. A avaliação do método aplicado ao problema na M&V para projetos com sistema fotovoltaico (SFV), apresentou resultados satisfatórios, identificando uma solução alternativa com a aplicação de redes neurais LSTM.